Kunstig Intelligens og Finansiel Ræsonnering
Kan kunstigt intelligens (AI) tænke lige så godt højt som den gør i skrift? Et eksperiment udført af Bitcoin.com News satte ChatGPT, Grok og Claude Opus 5.5 på prøve for at forudsige Bitcoin-priser. Resultaterne afslørede usikre forudsigelser, tvivlsom ræsonnering og en overraskende drejning: Claudes stemmemodel viste sig at være mere gennemsigtig omkring sine begrænsninger end dens tekstbaserede modpart.
Eksperimentets Design
Kunstig intelligens kan føre en samtale, lyde som en finansanalytiker og levere en Bitcoin-prisforudsigelse uden at misse et slag. Men giver det at tale med en AI den samme kvalitet af ræsonnering som at skrive et spørgsmål til den? Et eksperiment den 23. oktober 2026 satte dette spørgsmål på prøve, og svarene var alt andet end ligetil.
ChatGPT og Grok blev spurgt gennem stemmegrænseflader, mens Claude Opus 5.5 først arbejdede gennem tekst. En efterfølgende stemmesession med Claude Opus 5.5 tilføjede en afslørende sammenligning. Alle fire modeller leverede specifikke Bitcoin-priser ved årets slutning. Ingen viste en reproducerbar beregning bag deres endelige tal, men forskellene i faktuel nøjagtighed, konsistens og vilje til at indrømme usikkerhed var slående.
Resultaterne af Forudsigelserne
Øvelsen involverede OpenAI’s ChatGPT, xAI’s Grok og Anthropic’s Claude Opus 5.5. Hver blev bedt om at forudsige Bitcoins lukkepris den 31. december 2026 ved hjælp af fem prompts, der understregede historiske cykler, on-chain aktivitet, institutionel adoption og økonomiske forhold. Bitcoin blev handlet nær $81.200 den 23. oktober, hvilket gav eksperimentet et fælles markedsreferencepunkt.
ChatGPT’s stemmesession startede ved $89.500 og endte til sidst på $82.000. Groks talte estimat bevægede sig fra $88.000 til $82.000. Claudes tekstmodel holdt sig til $78.000 på tværs af sine prompts, mens dens senere stemmesession begyndte ved $88.000, før den stabiliserede sig på $85.000.
Analyse af Ræsonnering
Øvelsen var ikke et kontrolleret videnskabeligt benchmark. Forskellige virksomheder bruger forskellige arkitekturer, og sessionerne havde ikke identisk adgang til live information. Ikke desto mindre tilbød samtalerne et indblik i, hvor overbevisende disse systemer kan præsentere finansiel ræsonnering, og hvor godt den ræsonnering overlever granskning.
ChatGPT’s stemmesession producerede et af eksperimentets klareste eksempler på samtalefluiditet, idet den kom godt foran den demonstrerede analyse. Dens forudsigelse ændrede sig fra $89.500 til $86.500, efter at Bitcoin.com News introducerede yderligere analytiske faktorer. En anden taleprompt efterlod tallet uændret, men et senere spørgsmål vedrørende et 18- til 24-måneders udsigt bragte forudsigelsen ned til $82.000.
Begrænsninger og Usikkerhed
Gennemgangen fandt ingen beviser for ny markedsindhentning mellem disse revisioner. I stedet fulgte ændringerne skift i, hvordan spørgsmålene blev formuleret. Det talte sprog fik processen til at lyde mere substansfuld, end den faktisk var. ChatGPT’s model i stemmemode brugte udtryk som “lad mig samle de stykker” og “tjekker det nu.” Disse sætninger antyder normalt, at nogen konsulterer information. Eksperimentet fastslog ikke, at nogen sådan forskning fandt sted. Det så ud til at lyve.
Grok og Claude Opus 5.5
Groks talte svar lød mere grundigt undersøgt, idet de leverede tal om Bitcoins historiske fald, inflation, institutionel aktivitet og den nylige Mt Gox tilbagebetalingsforsinkelse. Meget af den information matchede fakta og kilder. Så kom en overraskelse. Grok tildelte angiveligt cirka 90% sandsynlighed for en rentehike fra Federal Reserve ved mødet den 27.-28. oktober. Gennemgangens markedsreferencer placerede i stedet disse odds omkring 6% til 18%, afhængigt af kilden og observationsdatoen.
Konklusion
Eksperimentets mest afslørende resultat var ikke, om Bitcoin ville afslutte 2026 på $78.000, $82.000 eller $85.000. Det var, at fire overbevisende præstationer i stemmemode producerede fire sæt finansiel ræsonnering, og ikke én kunne vise matematikken bag sit endelige svar.
For alle, der bruger AI til at evaluere investeringer, bør den næste test kræve identiske prompts, dokumenteret indhentningsaktivitet, gentagne sessioner og uafhængigt kontrollerede tal. Først da kan forskere begynde at adskille virkningerne af stemmeinteraktion fra de underliggende models ræsonneringsevner.
